支持向量机（Support Vector Machine，简称SVM）是一种基于统计学习理论的机器学习算法，它通过构建一个最优化的模型来预测数据的结果。SVM的主要作用是在训练集上构建一个最优化的分类模型，用来预测新数据的结果。它有很多优点，例如可以有效处理高维空间，可以有效处理小样本情况，可以更好的处理非线性问题，并且可以很好的处理数据的噪声。
使用Python实现支持向量机算法需要用到Python机器学习库Scikit-Learn。Scikit-Learn提供了一个svm模块，其中包含了多种支持向量机算法，包括线性SVM、多项式SVM、高斯SVM、Sigmoid SVM等。
# 导入相关模块
from sklearn import svm
from sklearn import metrics
# 准备数据
x_train = [[1, 2], [2, 3], [3, 4], [4, 5]]
y_train = [0, 0, 1, 1]
x_test = [[5, 6], [6, 7], [7, 8]]
y_test = [1, 1, 0]
# 训练模型
clf = svm.SVC()
clf.fit(x_train, y_train)
# 预测
y_pred = clf.predict(x_test)
# 评估
accuracy = metrics.accuracy_score(y_test, y_pred)
print("accuracy:", accuracy)
本文链接：http://task.lmcjl.com/news/4674.html